Skip to content
控制台

3 步上手

📢

前提条件:请先在 https://console.suanli.cn 完成注册和登录

3 步快速上手流程:

1 新建任务

点击任意【新增部署】按钮开始创建任务。

2 填写任务信息

2.1 选择资源

根据您的需要筛选 GPU,包括所在区域、显存要求、CPU 核心数、内存大小等。

选择 GPU 型号:推荐选择不限区域——享受全国闲置算力资源 随取随用

GPU 型号推荐配置:随便选
  1. 显存完全达标

    • 图片中所有 4090 型号单卡均提供 24GB 显存,远超服务部署启动的要求,无需担心显存不足。
  2. 性价比与灵活性

    • 1 卡配置:每小时仅需 1.98 元,按秒计费(0.000550 元/秒),适合短期测试或常规任务。
    • 库存充足:1 卡版本库存多台,无需等待,快速部署。
    • 多卡选项备用:若未来需要分布式训练或高并发任务,可随时切换 2 卡/4 卡。
  3. 简化选择逻辑

    • 无特殊需求:如果只是运行文档镜像中的常规任务(如模型推理、数据处理),单卡性能完全足够。
    • 兼容性无忧:镜像仓库默认适配主流 GPU 型号(如 4090),无需额外调试。
操作建议
  • 直接勾选「4090(1 卡)」+「1 个节点」,填写服务名称(如 demo-test-2025),快速完成部署。
  • 进阶场景:仅当需要训练大模型(如 LLM、多模态)时,再考虑 2 卡/4 卡配置。

图片中的配置均为“无坑选项”,闭眼选 1 卡即可开箱即用,成本可控,资源立即可用。

点击选择某一型号 GPU 后,可配置任务需要的计算节点数量。至少选择 1 个节点,最多可选 20 个节点,建议先启动 1 个节点进行验证,运行稳定后可横向扩展至所需规模。

选择 GPU 和节点数量后,继续填写服务配置信息

2.2 定义服务配置信息

按要求依次填写任务信息,包括服务名称、镜像地址、端口以及环境变量。

这里我们填写了 jupyter 的 CPU 服务信息作为示例,jupyter 建议只用一个节点,不然可能导致异常:

【服务名称】jupyter 【镜像地址】harbor.suanleme.cn/huang5876/mikebirdgeneau/jupyterlab:v1.0 【端口】8888

填写完成后,点击【部署服务】按钮,发布任务。

3 查看运行状态

发布任务后会自动跳转至任务详情界面,等待节点分配。

节点分配完成后,点击【公开访问】中的任一链接均可正常访问该服务。

我们点击【公开访问】中的链接访问 jupyter 服务。

服务运行效果:

容器服务成功运行后,您可以在服务运行日志中找到 token

复制到此处即可正常进入登录

然后开始使用 JupyterLab 服务

一些名词详细解释

新增部署

打个比方

就像在工厂里新建一条“生产线”,需要准备原材料(GPU 型号)、设计生产流程(镜像仓库)、计算成本(费用账单)。

包含内容

  • 资源管理:分配和管理计算资源(如 GPU、内存),类似工厂调度机器和工人。
  • 镜像仓库:存储和管理容器镜像,就像存放标准化的“生产配方”,确保每次部署一致性。
  • 费用账单:记录资源使用成本,类似工厂的“水电费明细表”。

GPU 型号(4090)

打个比方

像不同规格的“工程机械车”:

  • 1 卡/2 卡/4 卡/8 卡:代表单台机器搭载的 GPU 数量,类似一辆卡车能装 1 台或 8 台发动机,动力逐级增强。
  • 显存 24GB:相当于车辆的“货仓容量”,决定了一次性能处理多少数据(如大型模型参数)。
  • 内存 64GB & CPU 核心数 16:如同驾驶室的空间和司机数量,影响多任务并行处理效率。
    • 库存数 xxx:表示当前可用的“车辆库存”,库存越多,部署越快。

适用场景

  • 1 卡:常规任务(模型推理、数据处理)。
  • 多卡:分布式训练、高并发计算(如大语言模型训练)。

显存要求(至少 16GB)

打个比方

就像要求“绘图桌”的最小尺寸,必须足够大才能铺开复杂的设计图纸(如大型神经网络参数)。

简而言之

显存是 GPU 用于临时存储计算数据的空间,16GB 是运行中等规模 AI 模型(如 Stable Diffusion)的最低要求。4090 提供 24GB 显存,远超基准,确保任务流畅运行。


节点数量

打个比方

节点就像“克隆的工厂车间”,每个车间(节点)拥有相同的配置(如 1 卡 GPU)。增加节点数量等于同时启用多个车间,并行处理更多任务。

操作逻辑

  1. 先选择“车间设备规格”(GPU 型号)。
  2. 再决定需要多少间“车间”(节点数量)。

示例

  • 1 节点:单任务处理(如训练一个模型)。
  • 多节点:分布式计算(如同时训练多个模型)。

服务配置(服务名称)

打个比方

就像给项目文件贴标签,例如“2025-双十一促销数据分析”,方便后续查找和管理。

简而言之

服务名称是用户为当前部署任务定义的唯一标识,建议采用「用途 + 日期」格式(如 image-classification-20250515),便于后续监控、管理和成本追踪。